堵在早高峰的你，手握方向盤卻寸步難行

如今，一輛自動駕駛汽車每1.5個小時可以產生4TB數據，而到2020年，3000個互聯網用戶每天才會產生同等數量的數據。

“無人駕駛行業面臨最大的挑戰就是數據處理，我們對此信心充足。英特爾深知數據的多樣性，比如攝像頭產生的數據、激光雷達產生的數據，所以我們希望對癥下藥，打造覆蓋端到端的靈活、擴展的架構。”英特爾公司無人駕駛解決方案資深首席工程師兼首席系統架構師Jack Weast說。

如今，自動駕駛測試過程中產生的數據，很大程度上會被拷貝進數據中心，而對于數據中心如何處理數據，新的計算架構將發揮重要作用。

英特爾認為，數據中心對于數據的處理存在5個不同的階段：

第一，進行數據的存儲和管理和歸檔；

第二，對數據進行詳盡地分析，為后續數據洞察的獲取打下堅實的基礎；

第三，人工智能和機器學習算法的訓練階段，英特爾的創新產品將加速原來的訓練時間；

第四，為軟件開發者提供豐富的數據集，幫助軟件工程師開發更適用于實際情況的應用；

第五階段 數據的模擬，最終算法將被整合進自動駕駛汽車系統；

“我們特別重視且關注數據挑戰，尤其是要分清數據的種類，這樣我們才能知道最佳的處理數據的方式。”Jack Weast說，“所以對我們來說，不是選擇一種、放棄其他，而是給你提供多種選擇。”

英特爾為不同種類的數據提供了全面的解決方案，包含英特爾^?至強^?可擴展處理器、英特爾^?至強融核? 產品家族和FPGA在內的計算產品將為不同的數據類型提供不同的后端解決方案。而在數據中心的存儲和網絡方面，英特爾也有高品質的固態盤和高速互聯網絡等解決方案。

但是數據中心的技術變革還遠遠不夠，自動駕駛的數據需要邁向復雜的路網和飛速行駛的汽車內部。

瞬息萬變的路況不允許數據處理的稍加延遲，自動駕駛汽車需要最快速地做出準確的判斷。

僅就圖像處理而言，一輛自動駕駛汽車的中央融合單元必須能將攝像頭、激光雷達和雷達收集來的數據相結合，刨除數據中的空白和重疊，最終生成 360 的車輛視角。這類圖像數據處理需要更先進的算法。

對此，全新的英特爾^?GO? 自動駕駛開發平臺提供了一種靈活的架構，包括中央處理單元（CPU）、現場可編程門陣列（FPGA）及面向深度學習的硬件加速技術。這種架構同時具有獨特、優化的并行和順序處理能力。通過將英特爾^?凌動? 處理器、英特爾^?至強^?處理器、英特爾^?Arria^?10 FPGA 進行靈活組合，英特爾提供各種各樣的計算元件，可適應不斷變化的設計。

為了支持 V2X（vehicle to everything，汽車連接一切）通信、無線更新和全新的車載體驗，汽車提供商將需要不斷提高數據傳輸速度，并將汽車操作的響應時間從數秒進一步縮短至幾毫秒。

而5G帶來的數據傳輸速度的提升、網絡覆蓋范圍的擴展和接入設備數量的增長，將為具備大量數據傳輸需求的自動駕駛汽車創造網絡基礎。

在5G方面，英特爾同樣是行業內的領先企業之一。英特爾^?GO? 5G 汽車平臺能夠提供包括固件實時更新、車載信息娛樂系統內容更新等重要用例。

“在不久的將來，5G 技術將成為 V2V 通訊的主干技術，借助超高的傳輸速度，后面跟隨的車輛就能看到車隊前方車輛傳來的實時畫面。” Jack Weast預測。

從后端覆蓋計算、存儲、網絡的數據中心數據處理，到前端的車載解決方案的創新突破，英特爾為自動駕駛的創新迭代提供了性能更高效、拓展更簡易，開發更便捷的軟硬件解決方案，隨著萬物互聯的世界到來，這將成為自動駕駛技術創新和應用落地的可靠基石。